阅读说明：本技术 基于条件应用的cvvd位置学习方法和cvvd系统 ([db:专利名称-en]) 是由 边贞燮 禹熙男 于 2019-04-30 设计创作，主要内容包括：本发明涉及连续可变气门持续时间(CVVD)位置学习的方法和CVVD系统,该方法可以包括：当控制器确定需要CVVD系统的短持续时间和长持续时间的位置学习时,执行条件应用再学习控制,其中,在满足CVVD硬件的系统环境条件的有效性确定和发动机的发动机操作信息的车辆环境条件的有效性确定的情况下,执行位置学习。([db:摘要-en])

基于条件应用的CVVD位置学习方法和CVVD系统

相关申请的交叉引用

本申请要求于2018年8月30日提交的第10-2018-0102590号韩国专利申请的优选权和权益，其全部内容通过引用整体并入本文。

技术领域

本公开涉及连续可变气门持续时间(CVVD)位置学习。

背景技术

该部分中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。

通常，作为气门可变机构的连续可变气门持续时间(CVVD)系统在下线检测(endof line，EOL)中在发动机组装开始时执行气门持续时间学习(即，具有操作进气门的凸轮的持续时间的进气门的打开状态时段)，以实现精确的持续时间/正时控制操作。在这种情况下，EOL的气门持续时间学习是指通过初始学习或EOL学习进行CVVD位置学习。

此外，由于各种原因，CVVD系统执行气门持续时间位置学习(包括初始学习和再学习)。

CVVD系统的气门持续时间学习(初始学习和再学习)的示例如下所示。

学习要求(包括初始学习和再学习)可以包括：1)由于更换CVVD单个项目(电动机等)和部件而导致的气门持续时间当前值丢失；2)由于断电引起的传感器故障或连接器分离以及电动机故障而导致的气门持续时间当前值丢失；以及3)由于通信错误(例如，CVVD系统与发动机管理系统(EMS)之间的控制器局域网(CAN))而导致的气门持续时间当前值丢失。

学习过程(与初始学习和再学习的过程相同)：1)确定当前状态；2)应用预定CVVD控制器占空比(例如，50％占空比)达预定时间(ms)；3)根据占空比的应用识别短持续时间和长持续时间的位置移动作为位置值；以及4)根据气门持续时间学习的完成存储位置值的学习值。

结果，气门持续时间位置学习(初始学习和再学习)提供没有空气量偏差、副作用和引起错误识别的CVVD系统操作。

我们已经发现，，可以在难以确保有效环境条件的现场(field)中执行初始学习之后的气门持续时间位置学习的再学习，并且在该现场的无效环境条件下不能确保学习值的有效性的再学习有害影响可以发展成以下情况。

首先，不必要地执行学习，使得不能防止学习中的过度偏差。第二，由于学习值偏差中的偏差，可能发生空气量的偏差，使得不可能执行正常空气量控制。第三，由于空气量的过度偏差，可能产生不期望的副作用。第四，由于再学习导致的CVVD系统错误被输出为不相关车辆状态，使得难以识别CVVD系统错误的原因，这增加了服务成本。

发明内容

本公开描述了基于条件应用的连续可变气门持续时间(CVVD)位置学习方法及其CVVD系统，其能够通过将学习环境条件分为能够确保学习值的有效性的条件和不能确保学习值的有效性的条件，以防止难以确保有效性的学习或再学习的有害影响，特别是通过基于明确的学习环境条件分类显示错误代码来准确地确定不执行或禁止学习的原因，从而降低服务成本并初步消除不期望的副作用以确保稳定性。

现在描述连续可变气门持续时间(CVVD)位置学习的方法，其包括：当控制器确定需要对于CVVD系统的短持续时间和长持续时间的位置学习时，执行条件应用再学习控制，其中，仅在满足CVVD硬件的系统环境条件的有效性确定和发动机的发动机操作信息的车辆环境条件的有效性确定的情况下，执行位置学习。

可以通过在现有学习值由于CVVD硬件的更换而不适用的情况下确定需要位置学习，来执行位置学习。可以通过将应用于CVVD硬件的霍尔传感器、电动机和控制器局域网(CAN)设定为系统环境条件因素来执行必要性确定，通过将霍尔传感器的状态、电动机的状态和CAN的状态设定为选择条件来执行根据系统环境条件因素的正常操作状态的系统环境条件的有效性确定，并且当确保系统环境条件有效性时，可以执行位置学习，而当不确保系统环境条件有效性时，可以不执行位置学习，而显示系统学习禁止代码。

执行条件应用再学习控制的步骤可以包括：在通过系统环境条件有效性的确定确保系统环境条件有效性之后，通过确定关于发动机操作信息的车辆环境条件有效性来确保车辆环境条件有效性；执行位置学习的正常学习；以及通过用由正常学习获得的学习值替换现有学习值来执行气门控制。

发动机操作信息可以包括发动机每分钟转数(RPM)、车速、加速器踏板开度、电池电压、冷却水温度和进气温度中的一个或多个。当发动机RPM、车速、加速器踏板开度、电池电压、冷却水温度和进气温度中的每一个满足阈值时，可以执行车辆环境条件有效性的确定，并且当确保车辆环境条件有效性时，可以执行位置学习，而当不确保车辆环境条件有效性时，可以显示车辆学习禁止代码并且可以不执行位置学习。

当系统环境条件有效性的确定存在问题(或被禁止)或不满足车辆环境条件有效性的确定时，控制器可以切换到再学习禁止控制，以用于应用跛行回家(limp home)控制，其中用定义为防止发动机启动的默认值来替换学习值。

当不需要位置学习时，控制器可以切换到学习值保持控制，并且现有学习值可以应用于学习值保持控制。

连续可变气门持续时间(CVVD)系统可以包括控制器，该控制器配置为执行：条件应用再学习控制，其中，在短持续时间和长持续时间方向上期望位置学习的情况下，通过确保CVVD硬件的系统环境条件有效性和发动机操作信息的车辆环境条件有效性来执行位置学习；再学习禁止控制，其中，在系统环境条件有效性或车辆环境条件有效性的确定禁止的情况下，用跛行回家的默认值替换学习值；以及学习值保持控制，用于在不需要位置学习的情况下应用现有学习值。

控制器可以包括有效学习条件图，并且在有效学习条件图中构建如下表格，即用于通过将发动机每分钟转数(RPM)、车速、加速器踏板开度、电池电压、冷却水温度和进气温度范围设定为发动机操作信息来确保车辆环境条件有效性的表格，以及用于通过将传感器、电动机和控制器局域网(CAN)设定为CVVD硬件来确保系统环境条件有效性的表格。

控制器还可以包括代码生成器，并且代码生成器可以根据不能确保系统环境条件有效性来生成系统学习禁止代码，并根据不能确保车辆环境条件有效性来生成车辆学习禁止代码。

系统学习禁止代码可以呈现霍尔传感器、电动机或CAN的故障状态，并且车辆学习禁止代码可以呈现关于发动机RPM、车速、加速器踏板开度、电池电压、冷却水温度和进气温度范围中的每一个的检测状态。

从本文提供的描述中，其他应用领域将变得显而易见。应当理解，描述和具体示例仅用于说明的目的，而不旨在限制本公开的范围。

附图说明

为了可以更好地理解本公开，现在将参考附图描述以示例方式给出的其各种形式，其中：

图1是基于条件应用的连续可变气门持续时间(CVVD)位置学习方法的流程图；

图2是通过基于条件应用的CVVD位置学习方法的再学习来校正CVVD系统的学习值偏差的示例；

图3是执行基于条件应用的CVVD位置学习方法的CVVD系统的示例；以及

图4a和图4b是示出在确保系统环境条件有效性的状态下用于确保车辆环境条件有效性的阈值条件的应用的流程图。

本文描述的附图仅用于说明的目的，并不旨在以任何方式限制本公开的范围。

具体实施方式

以下描述本质上仅是示例性的，并不旨在限制本公开、应用或用途。应当理解，在所有附图中，相应的附图标记表示相似或相应的部件和特征。

本公开的方面可以由本领域技术人员以各种其他不同的形式提供，使得本公开不受限制。

参照图1，用于CVVD系统的连续可变气门持续时间(CVVD)位置学习的方法分为再学习确定控制(S10和S20)、条件应用再学习控制(S30至S50)、再学习禁止控制(S100至S130)和学习值保持控制(S200和S210)。因此，CVVD位置学习的方法被定义为基于条件应用的CVVD位置学习方法。

例如，再学习确定控制(S10和S20)根据CVVD系统的电动机更换，检测传感器、电动机和通信信息作为系统环境条件因素。由于在确保传感器、电动机和通信(其为根据电动机更换的系统环境条件因素)是正常的系统环境条件有效性的状态下，在满足作为车辆环境条件因素而检测的发动机操作信息的阈值条件的情况下，已经达到车辆环境条件有效性，所以条件应用再学习控制(S30至S50)执行再学习以替换应用于CVVD系统控制的现有学习值。由于尚未达到系统环境条件有效性和车辆环境条件有效性，所以再学习禁止控制(S100至S130)将默认值应用于应用到CVVD系统控制的现有学习值。由于不需要再学习，所以学习值保持控制(S200和S210)直接将现有学习值应用于CVVD系统控制。

如上所述，基于条件应用的CVVD位置学习的方法通过应用1)更换CVVD单个项目(电动机等)和部件的状态，2)由于断电引起的传感器故障、连接器分离和电动机故障的状态，以及3)CVVD系统与EMS之间的CAN通信故障的状态作为有效环境条件，从而确定CVVD系统的需要再学习的情况的正常再学习条件。具体地，通过顺序地考虑用于有效环境条件的再学习的诸如发动机每分钟转数(RPM)、车速、加速器踏板开度、电池电压、冷却水温度范围和进气温度范围的阈值条件，使得能够防止再学习中出现偏差，并且利用故障代码明确地显示再学习禁止的原因和再学习禁止的错误原因。

同时，参照图2，根据传统CVVD位置学习的偏差确定测试的结果例示了对基于条件应用的CVVD位置学习的需要。

例如，在-30℃(零下30℃)的温度下开始学习时根据油温产生学习偏差的示例中，当从短持续时间到长持续时间，电动机旋转(°)对应于xxxx计数(根据车辆类型的设定值)时，可以看出，冷启动学习值1566和热启动学习值1491产生约为75的学习值差异，或者冷启动学习值1517和热启动学习值1498产生约为19的学习值差异。例如，在根据发电控制(电源电压)产生偏差的示例中，可以看出，12V学习值1499和14.5V学习值1504产生约为5的学习值差异。

因此，关于学习任务(duty)的学习值差异的学习偏差结果显示为学习任务增加时的学习值增加趋势，并且通过将+5％的短方向学习和+5％的长方向学习的约0.89的λ控制值改变为-5％的短方向学习和-5％的长方向学习的约1.16的λ控制值，学习值增加趋势可以产生约27％的空气量偏差。

结果，图1的基于条件应用的CVVD位置学习的方法可以防止图2中的过度偏差，该偏差可能发生在如下学习值中，即在诸如关于气门持续时间(例如，进气门)的CVVD系统的初始学习之后的现场的无效环境条件下通过再学习获得的学习值。在这种情况下，消除过度偏差消除了由于低温条件引起的过度发动机摩擦和根据学习值偏差的空气量偏差而导致的不期望错误的发生。

同时，图3中，CVVD系统1包括CVVD控制单元3、CVVD机构5、止动件7和霍尔传感器9，作为组装到发动机100的部件，并且CVVD系统1包括配置为控制CVVD控制单元3的控制器10。

例如，CVVD控制单元3包括无刷直流(BLDC)三相电动机和连接到凸轮并通过电动机旋转的控制轴。CVVD机构5组装到凸轮轴，凸轮轴配置为打开和关闭进气门/排气门，并与围绕连接到控制轴的齿轮和连杆的壳体接合。止动件7是CVVD的机械止动件，其设置在CVVD控制单元3的控制轴的端部，以检测短位置或长位置到达。霍尔传感器9嵌入CVVD控制单元3的电动机部分中，以检测由于电动机旋转引起的短/长方向位置。具体地，虽然未在CVVD控制单元3中示出，但是角度传感器安装在电动机部分处，并且检测关于电动机旋转的旋转角度，以校正霍尔传感器9的误差(例如，霍尔缺失(Hall missing))。这里，霍尔缺失意味着电动机的实际转数被识别为小得多的值，使得在电动机处产生电动机的如下旋转量，该旋转量比被转换成会聚在目标位置的霍尔传感器信号值大的电动机旋转量。

例如，控制器10包括学习值图10-1、有效学习条件图10-2、无效学习条件图10-3、数据检测器11和代码生成器13。因此，控制器10配置有电子控制单元(ECU)驱动器，以用于控制有效学习条件图10-2、无效学习条件图10-3、数据检测器11和代码生成器13。

具体地，学习值图10-1构建用于存储并更新通过CVVD学习和再学习获得的气门持续时间位置的学习值的表格。有效学习条件图10-2构建用于确保系统环境条件有效性的传感器/电动机/通信信息以及为了确保车辆环境条件有效性的发动机RPM、车速、加速器踏板开度、电池电压、冷却水温度范围和进气温度范围的阈值条件表。无效学习条件图10-3构建用于发动机RPM、车速、加速器踏板开度、电池电压、冷却水温度范围和进气温度范围以及硬件和通信故障数据的阈值条件表。

具体地，数据检测器11检测发动机100的发动机操作信息作为车辆环境条件因素以及系统环境条件因素(诸如：CVVD单个项目更换，由于断电引起的霍尔传感器故障、电动机连接器分离、电动机故障，和CAN通信错误)，并将检测到的因素提供给控制器10，并且发动机操作信息包括车辆故障代码(例如，诊断故障代码(DTC)，其中记录车辆行驶时可能发生的异常状态(错误或故障状态))、发动机RPM、车速、加速器位置范围(APS)、电池充电状态(例如，充电状态(SOC))、冷却水温度、进气温度、发动机油温、发动机起动(通过启动电动机转动曲轴的状态)、电动机RPM、发动机点火开关ON/OFF。

具体地，代码生成器13将由于不确保阈值条件外的有效环境条件而导致的CVVD再学习禁止的原因和故障代码表构建为学习禁止代码。例如，由于系统环境条件有效性的不确保而导致的系统学习禁止代码显示为“CVVD_ERROR”，以通知霍尔传感器、电动机或CAN的故障。例如，由于车辆环境条件有效性的不确保而导致的车辆学习禁止代码显示为CVVD_ERROR(传感器/电动机/CAN通信错误)、CVVD_RPM_High(发动机RPM错误)、CVVD_Accel_High(加速器踏板错误)、CVVD_Vehicle_Speed_High(车速错误)、CVVD_Batt_Low(电池错误)、CVVD_Engine_Temp_Not_Normal(冷却水温度错误)、CVVD_Air_Temp_Not_Normal(进气温度错误)和CVVD_Oil_Temp_Not_Normal(发动机油温错误)，从而通知不满足对应装置的阈值条件。

下面将参照图3至图4b详细描述图1的基于条件应用的CVVD位置学习的方法。在这种情况下，控制主体是控制器10，控制目标是CVVD系统1，并且检测目标包括CVVD控制单元3的电动机、霍尔传感器9、CAN线(CVVD系统1与EMS(未示出)之间的通信线)、车辆温度传感器、发动机100、车速传感器和点火开关/加速器踏板/电池/启动电动机/曲轴(未示出)。

首先，控制器10执行再学习确定控制(S10和S20)，确定是否需要再学习(S10)和确定是否满足学习执行初始条件(S20)。

参照图3，控制器10确认从数据检测器11提供的CVVD系统异常信息中的CVVD单个项目更换信息的电动机更换，以便执行是否需要再学习的确定(S10)，以基于该确认确定再学习必要性。在这种情况下，通过电动机更换来确定再学习必要性，并且替代地，可以根据是否满足根据更换的电动机的旋转的霍尔传感器9的检测值的精度来确定再学习必要性。因此，确定是否需要再学习(S10)的结果分为认为再学习必要而执行确定是否满足学习执行初始条件(S20)，以及不认为再学习必要而执行学习值保持控制(S200和S210)。

此外，控制器10检测从数据检测器11提供的CVVD系统异常信息中的关于霍尔传感器、电动机和CAN通信的信息作为系统环境条件因素，以便执行是否满足学习执行初始条件(S20)的确定，并且控制器10将霍尔传感器状态、电动机状态和CAN状态确定为正常或故障。在这种情况下，应用选择条件(即，OR条件)来确定霍尔传感器是正常还是故障，电动机是正常还是故障，以及CAN是正常还是故障。

例如，可以通过根据检测状态(诸如“霍尔传感器在当前时间出现故障吗？”、“电动机在当前时间出现故障吗？”和“CVVD控制器与EMS之间的CAN通信在当前时间出现故障吗？”)的当前故障状态确认(例如，ON、OFF或OK)，来执行是否满足学习执行初始条件(S20)的确定，从而确定系统环境条件有效性的不确保状态。然后，控制器10将系统环境条件有效性的不确保状态显示为“CVVD_ERROR”代码，并将该“CVVD_ERROR”代码存储在代码生成器13中。

确定是否满足学习执行初始条件(S20)的结果分为条件应用再学习控制(S30至S50)的执行(其根据霍尔传感器正常、电动机正常和CAN正常中的一个所导致的系统环境条件有效性的确保)以及再学习禁止控制(S100至S130)的执行(其根据霍尔传感器故障、电动机故障和CAN故障中的一个所导致的系统环境条件有效性的不确保)。

随后，控制器10执行条件应用再学习控制(S30至S50)，确定车辆环境条件有效性(S30)、执行正常学习(S40)和执行气门控制(S50)。

参照图3，为了执行车辆环境条件有效性的确定(S30)，控制器10在从数据检测器11提供的发动机操作信息中检测关于发动机RPM、车速、加速器踏板开度、电池电压、冷却水温度范围和进气温度范围的信息，并且控制器10利用选择条件(即，OR条件)确保车辆环境条件有效性，其中通过将有效学习条件图10-2中构建的数据与车辆环境条件因素相匹配来确认检测值。确定车辆环境条件有效性的(S30)结果分为正常学习的执行(S40)和根据车辆环境条件有效性的不确保的再学习禁止控制的执行(S100至S130)。

此外，为了执行正常学习(S40)，控制器10与有效学习条件图10-2相关联，以确定当前状态(操作1)，在应用预定CVVD控制单元占空比(例如，50％占空比)达预定时间(ms)(操作2)，并且根据预定CVVD控制单元占空比的应用将短持续时间方向和长持续时间方向上的位置移动识别为位置值(操作3)，并且控制器10与学习值图10-1相关联，以根据气门持续时间学习的完成来将现有学习值更新并存储为位置值的学习值(操作4)。此后，为了执行气门控制(S50)，控制器10通过再学习读取存储在学习值图10-1中的学习值，以执行输出到CVVD控制单元3的电动机的占空比控制。

参照图4a和图4b，车辆环境条件有效性的确定(S30)分为确定发动机RPM(S31)、确定车速(S32)、确定加速器踏板(S33)、确定电池(S34)、确定冷却水温度(S35)、确定进气温度(S36)和确定油温(S37)。这里，“阈值”是根据车辆类型而不同的设定值，并且“＞”是指示两个值之间的大小的不等号。

例如，确定发动机RPM(S31)包括应用“RPM＞阈值”的条件，并且当发动机RPM高且因此再学习不合适时，生成CVVD_RPM_High代码(S31-1)，然后过程进行到再学习禁止控制(S100至S130)的中断学习(S110)。车速的确定(S32)包括应用“车速＞阈值”的条件，并且当车速高且因此再学习不合适时，生成CVVD_Vehicle_Speed_High代码(S32-1)，然后过程进行到再学习禁止控制(S100至S130)的中断学习(S110)。加速器踏板的确定(S33)包括应用“APS＞阈值”的条件，并且当加速器踏板被过度踩踏且因此再学习不合适时，生成CVVD_Accel_High代码(S33-1)，然后过程进行到再学习禁止控制(S100至S130)的中断学习(S110)。电池的确定(S34)包括应用“电池电压＜阈值”的条件，并且当电池电压低且因此再学习不合适时，生成CVVD_Batt_Low代码(S34-1)，然后过程进行到再学习禁止控制(S100至S130)的中断学习(S110)。冷却水温度的确定(S35)包括应用“冷却水温度＜高/低阈值(Threshold_High/Threshold_Low)”的条件，并且当冷却水温度高或低且因此再学习不合适时，生成CVVD_Engine_Temp_Not_Normal代码(S35-1)，然后过程进行到再学习禁止控制(S100至S130)的中断学习(S110)。进气温度的确定(S36)包括应用“进气温度＜高/低阈值(Threshold_High/Threshold_Low)”的条件，并且当进气温度高或低且因此再学习不合适时，生成CVVD_Air_Temp_Not_Normal代码(S36-1)，然后过程进行到再学习禁止控制(S100至S130)的中断学习(S110)。油温的确定(S37)包括应用“油温＜高/低阈值(Threshold_High/Threshold_Low)”的条件，并且当油温高或低且因此再学习不合适时，生成CVVD_Oil_Temp_Not_Normal代码(S37-1)，然后过程进行到再学习禁止控制(S100至S130)的中断学习(S110)。

然后，控制器10将车辆环境条件有效性的不确保状态在代码生成器13中显示并存储为CVVD_RPM_High代码、CVVD_Vehicle_Speed_High代码、CVVD_Accel_High代码、CVVD_Batt_Low代码、CVVD_Engine_Temp_Not_Normal代码、CVVD_Air_Temp_Not_Normal代码和CVVD_Oil_Temp_Not_Normal代码。

同时，控制器10执行再学习禁止控制(S100至S130)，存储学习禁止原因(S100)、中断学习(S110)、存储故障代码(S120)和执行CVVD跛行回家控制(S130)。

例如，在确定车辆环境条件有效性(S30)期间，存储学习禁止原因(S100)处于系统环境条件有效性的不确保状态的“CVVD_ERROR”代码存储在代码生成器13中的状态。

例如，学习的中断(S110)处于在发动机RPM的确定(S31)、车速的确定(S32)、加速器踏板的确定(S33)、电池的确定(S34)、冷却水温度的确定(S35)、进气温度的确定(S36)和油温的确定(S37)中的每一个中不确保车辆环境条件有效性的状态。在车辆环境条件有效性的不确保状态下，故障代码的存储(S120)处于在代码生成器13中存储CVVD_RPM_High代码、CVVD_Vehicle_Speed_High代码、CVVD_Accel_High代码、CVVD_Batt_Low代码、CVVD_Engine_Temp_Not_Normal代码、CVVD_Air_Temp_Not_Normal代码和CVVD_Oil_Temp_Not_Normal代码的状态。

例如，为了执行由于系统环境条件有效性或车辆环境条件有效性的不确保状态而导致的CVVD系统1的减少控制，CVVD跛行回家控制(S130)的执行处于进气门控制状态，其中，应用禁止启动所需的默认值来代替学习值图10-1的现有学习值。

同时，控制器10执行学习值保持控制(S200和S210)，应用现有学习值(S200)和执行正常CVVD控制(S210)。

例如，应用现有学习值(S200)处于读取存储在学习值图10-1中的现有学习值的状态，以便对CVVD系统1执行正常控制，并且执行气门控制(S210)处于CVVD系统1的正常操作状态，其中利用现有学习值来控制进气门。

如上所述，应用于CVVD系统的基于条件应用的CVVD位置学习控制的方法通过明确地区分关于学习环境条件的优点和缺点来实现以下动作和效果。

首先，即使在由于执行无效环境条件的学习而引起的不必要的空气量误差的情况下，也能够产生过度学习偏差，以补偿CVVD系统的单个项目与发动机部件之间的连接结构的脆弱性。第二，当仅在可以确保学习值的有效性的情况下执行学习，而通过定义能够确保学习值的有效性的学习环境条件而不执行学习时，生成显示学习不执行原因的故障代码，使得可以准确地识别CVVD系统的当前情况。第三，可以通过学习的执行和不执行的故障代码来澄清CVVD系统的错误，使得可以清楚地显示学习不执行的原因。第四，初步消除不期望的副作用，同时减少CVVD系统的服务成本，使得可以确保车辆的稳定性。第五，学习环境条件分为学习值有效性的确保和不确保，使得可以从根本上解决传统CVVD再学习(或初始学习)的有害影响，并且特别地，能够通过仅应用学习环境条件来提高传统CVVD系统的性能。

如上所述，根据应用于CVVD系统1的基于条件应用的CVVD位置学习的方法，控制器10执行：条件应用再学习控制，其中，在短持续时间和长持续时间方向上需要位置学习的情况下，通过确保CVVD硬件的系统环境条件有效性和发动机操作信息的车辆环境条件有效性来执行位置学习；再学习禁止控制，其中，在系统环境条件有效性或车辆环境条件有效性的确定禁止的情况下，用跛行回家的默认值替换学习值；以及学习值保持控制，用于在不需要位置学习的情况下应用现有学习值，从而可以防止导致学习值偏差的现场(field)学习的有害影响，并且特别地，根据每种情况生成学习禁止代码，使得也能够通过初步消除不期望的副作用来降低服务成本并确保车辆稳定性。